目录
三、确定本电脑tensorflow安装cpu版本还是GPU版本
四、Tensorflow与Python、CUDA、cuDNN的版本对应表
(五) 在jupyter中添加虚拟环境tensorflow-2.10.0的内核
六、使用conda search命令来查看所有可用的TensorFlow版本
一、安装anaconda
Anaconda | The Operating System for AI
anaconda想必大家都很熟悉了,就不在这里过多陈述。
二、tensorflow安装cpu版本和gpu版本的区别
三、确定本电脑tensorflow安装cpu版本还是GPU版本
下边是我在网上找到的参考:
首先,查看自己电脑显卡的型号。如果显卡是NVIDIA系列的,继续下面步骤;如果显卡不是NVIDIA系列的,直接装CPU版。
步骤如下:
(一)查看显卡型号的步骤
①在电脑菜单栏里输入“任务管理器”,然后打开
(二) 点击性能
(三) 找到GPU,查看其型号
发现本电脑GPU是NVIDIA系列系列中的Geforce RTX 2060
(四)查看显卡的计算能力
在CUDA GPU | NVIDIA 开发者这个链接,点击自己显卡对应的系列,查看显卡计算能力(computer capability)。如下图,本电脑显卡是 NVIDIA系列系列中的Geforce RTX 2060,其对应的计算能力是7.5。(官方文档中写的75,不知道为啥没有加小数点),故可以安装GPU版本。
四、Tensorflow与Python、CUDA、cuDNN的版本对应表
在 Windows 环境中从源代码构建 | TensorFlow (google.cn)
Tensorflow与Python、CUDA、cuDNN的版本对应表_tensorflow版本对应-CSDN博客
五、安装CPU版本的tensorflow
这里我选择安装tensorflow-2.10.0,对应的python版本是3.7-3.10
(一)创建虚拟环境
打开Anaconda的Prompt命令窗口,在进入Prompt后,默认的是你的base环境。(不明白这里也没事)
为了方便管理,我们在此创建一个新的虚拟环境,用来使用2.10.0版本的tensorflow
创建了一个新的conda环境,名为"tensorflow-2.10.0",并指定在这个环境中使用Python 3.9版本,代码命令如下:
conda create -n tensorflow-2.10.0 python=3.9
选择y
这样就是创建虚拟环境成功了,下边我们再验证一下。
(二)查看虚拟环境
输入conda info -e
或者conda env list可以查看你当前conda中的环境。若创建成功,prompt中显示如下:
下图有四个虚拟环境,最左列是虚拟环境的名字,最右列是对应的位置。
第四个环境名称是tensorflow-2.10.0,就是我们刚刚创建的那个,说明创建成功了。
(三) 进入/激活虚拟环境
输入"conda activate 环境名" 可以进入新环境,如:
conda activate tensorflow-2.10.0
这样就从最开始的base环境切换到名称为 tensorflow-2.10.0虚拟环境下了。
(四) 安装cpu版本的tensorflow
conda install tensorflow==2.10.0
如果没有报错的话九安装成功啦!
接下来可以使用pip list 或者conda list,查看一下我们本地安装好的包,如下:
发现有了2.10.0版本的tensorflow
接着我们进入python环境,输入下方两行代码,第一行代码作用是再python中导入tensorflow,没有报错就再次验证成功安装好tensorflow了。
第二行代码,是查看tensorflow的版本。
import tensorflow as tf
tf.__version__
从下图结果中可以看出,tensorflow的版本正是2.10.0
(五) 在jupyter中添加虚拟环境tensorflow-2.10.0的内核
六、使用conda search
命令来查看所有可用的TensorFlow版本
conda search tensorflow
conda search tensorflow-gpu -c conda-forge
七、安装GPU版本的tensorflow
可以参照下方两个链接中的步骤进行安装gpu版本的tensorflow
tensorflow-gpu版本安装教程(过程详细)_tensorflow gpu版本安装-CSDN博客
Tensorflow-gpu安装教程(详细)!!!_安装tensorflow-gpu-CSDN博客